进入新世纪的今天,我们越来越需要解决身份识别的问题。目前通用的身份识别手段大致分为两类,一类是实物性标志物,如印章、钥匙、卡片等等;另一类是数据性标志物,如ID号、密码、账号、编码等等。但上述识别手段都存在这样那样的缺点,如印章易被仿制,钥匙可能丢失而被别人捡到,密码可能被泄露或破解,凡此种种,都使这些标志物失去身份识别的意义而且有极大的风险性,即将非法者认定为合法用户而造成财产和信息损失。近年来出现的生物特征身份识别技术较好地解决了此类问题,为人们所接受,在社会生活中越来越多的领域得到了应用和发展。生物识别是近年来发展起来的一项身份鉴别技术,是指根据人类生物信息中具有唯一性和相对不变性的特征,使用现代科技手段加以识别的技术。生物特征一般是指人的脸部特征、指纹特征、眼底虹膜血管图案、DNA序列、血型等,是人所具有的自然特征,不易改变,难以伪造,具有高度的稳定性;同时这些特征大都因人而异,例如指纹图案,世界上没有任何两个人的十指指纹完全相同,可区分度很高,这是我们可以利用生物特征进行人的身份识别的基础。一个人具有的生物特征只有他(她)自己能够提供,可以保证这种特征的识别确保结果的正确性,不可能像钥匙一样被遗失,不存在类似密码遗忘或泄漏的情况,相比传统的身份识别手段,生物特征识别的优势是显而易见的。我们在社会生活中去识别、分辨某一个人,最广泛应用的就是照片对比法,即利用人的脸部特征进行身份的识别。基于此,人脸识别成为我们多年来研究的重要方向,但是人的面部特征(人脸)是一个特殊的不规则变形体,存在着主动形变和被动形变,人脸识别一般是对照片进行分析,而照片是由人脸的三维信息投影至二维平面而成,在投影的过程中,会损失一些信息,加之摄像时人的头部姿态、倾斜角度、旋转角度、光照条件等诸多因素的影响,将会使照片信息与真实人脸信息之间的差距加大,呈现出非常复杂的转化模式,无疑增大了识别的难度,影响了识别的效率。而且用计算机处理人脸识别还涉及到数学、光学、心理学、计算机视觉、图形图像处理、神经网络等诸多领域,因此人脸识别在国内外的研究虽然处于迅速发展的时期,但也还存在许多亟待解决的技术问题。随着科学技术的日新月异,在这个领域中应用的技术手段也被大大扩展和增强,使用计算机进行数据处理可以实现在瞬间对大量、复杂的信息分析、计算、统计,并迅速给出有价值的结论。当前,国际上人脸识别技术的研究成果很多,大家摸索了一系列的比较成熟的识别算法和方法,在不同的条件下,识别的准确率也有所不同。有些优秀的算法可以达到令人满意的识别率。现在人们选取研究方法,一般是根据所需要的精度,所识别对象的特点选择不同的识别方法,以期达到有针对性的识别,提供识别的准确度与速度。在日常生活中,人们对于某些面部有明显色差特征的人群格外注意,比如面部有明显痣或色斑,作为识别此人的特点会大大提高识别率。也就是我们常说的,看见了他的这个痣,就认出了他。如果我们把这项特征点的检测与识别应用于大量人群的排查,对于快速排除不含此特征的大量样本起到了重要作用,为后续的精细比对做了前期初筛的工作,其对于提高识别效率的贡献不言而喻。本文的研究目的是希望选择一项有效的方法,可以高效迅速准确地利用人脸的明显色差特征对人脸进行识别。对图像进行处理之前,都必须对图像大小和灰度进行归一化处理,使其分辨率、灰度与数据库中的标准相匹配;然后通过图像灰度增强、图像灰度拉伸使图像的细节更清晰,更易于分析和处理;再用阈值分割和区域生长的方法进行分割得到特征区域的图像。特征提取时,在了解了颜面皮肤的面部明显色差特征的医学生理学、病理学知识之后,对比主分量分析法(PCA)、独立分量分析法(ICA)、几何特征方法、隐马尔可夫模型方法(HMM)、小波变换法,这几种方法各有其优缺点和适宜的情况。几何特征法不受姿态等因素对人脸的影响,但对人脸各个器官的特征的信息;局部PCA方法算法复杂,不利于开发和应用;小波变换的方法已经比较成熟,有效的提取图像中的细节信息,缺点是小波变换必须先做降维的处理。经过比较最后我们选用小波变换的方法来表示人脸明显色差面部特征,提取局部图像的Gabor小波函数特征。最后在决策分类的阶段我们采用了小波神经网络的方法。小波神经网络是把小波变换理论和人工神经网络系统相结合,通过有教师学习的方式,不断优化小波基的形状,最终选择一个最优的小波基函数来完成小波变换。充分发挥了神经网络系统函数逼近能力。最大限度地发挥了小波变换优秀的时频局部化特性,将信号中的细节特征完整的解析出来,体现出小波神经网络的在决策分类上的优越性。本文采用全局特征和局部特征相结合的特征融合方法,作为小波神经网络的输入层节点向量。我们实验的结果证明,以上方法可以有效解决利用人脸面部明显色差特征快速识别人脸图像的问题。